Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
Cargando...
Fecha
2024-04-19
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía
Resumen
El presente trabajo se enfoca en el análisis de muestras de agua del Río de La Plata con el fin de determinar su calidad, centrándose específicamente en la detección de presencia de cianobacterias y su concentración a través de técnicas de Inteligencia Artificial. Las cianobacterias representan una particular amenaza para la salud humana, ya que pueden producir toxinas perjudiciales y, al mismo tiempo, afectan al ecosistema en general, degradando la biodiversidad. Durante el desarrollo de este trabajo se emplearon tres modelos de aprendizaje automático supervisado: Redes Neuronales Artificiales (RNA), Árboles de Decisión y el algoritmo de KNN (k-Nearest Neighbors). Cada uno de estos modelos será evaluado y comparado, utilizando diferentes métricas de efectividad de modelos de predicción, con el fin de estimar la concentración de cianobacterias de la manera más eficaz posible. Para el entrenamiento y testeo de los modelos se utilizaron datos obtenidos desde 18 puntos de recolección ubicados sobre las costas del río, desde la desembocadura de Río Luján y Punta Piedras, zona que abarca más de 170 km de costa. Los resultados obtenidos muestran una fiabilidad medio-alta en la predicción de altas concentraciones de cianobacterias en los tres modelos, siendo el modelo de Árboles de Decisión el más efectivo con un 92% de exactitud. Con este modelo se espera poder realizar predicciones tempranas que permitan obtener medidas de manera más efectiva para mitigar los efectos nocivos que las cianobacterias tienen tanto en la calidad de vida de las personas como en el medio ambiente.
Descripción
Palabras clave
Inteligencia Artificial, Redes Neuronales, Árboles de Decisión, KNN, Cianobacterias, Calidad del agua, Medio ambiente
Citación
Nevado, F. H. (2024). Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático [Práctica Profesional Supervisada, Universidad Nacional Arturo Jauretche]. https://rid.unaj.edu.ar/handle/123456789/2872